drclust: 동시 군집화 및 차원 축소를 위한 R 패키지

군집화 및 변수 축소를 위한 동시 방법론의 주요 목적은 최적의 단위 분할과 최적의 변수 부분 공간을 동시에 식별하는 것입니다. 이러한 최적성은 일반적으로 최소 제곱법 또는 최대 우도 추정 방법을 사용하여 결정됩니다. 이러한 동시 기법은 축소(합성)가 단위와 변수 모두에 필수적인 빅데이터를 다룰 때 특히 유용합니다. 또한, 부분 공간을 통한 변수 축소의 부차적인 목적은 특정 방법론을 사용하여 부분 공간에서 식별된 잠재 변수의 해석력을 향상시키는 것입니다. drclust 패키지는 기본 목적을 달성하기 위해 double K-means (KM), reduced KM, factorial KM을 구현합니다. 분산 주성분(disjoint principal components)을 이용한 KM은 기본 목적과 부차적인 목적을 모두 다루며, 분산 주성분 분석(disjoint principal component analysis)과 분산 요인 분석(disjoint factor analysis)은 후자를 다루면서 가장 희소한 부하 행렬(loading matrix)을 생성합니다. 모델은 C++로 구현되어 실행 속도가 빠르며, 대규모 데이터 행렬을 합리적인 시간 내에 처리할 수 있습니다.